Hay muchos problemas desafiantes de ciencia de datos en el mundo de la publicidad en línea. Va mucho más allá que puramente analítica. En los últimos años, la publicidad en línea se ha convertido cada vez más en aprendizaje y toma de decisiones basadas en datos. Especialmente dado que a menudo tratamos con grandes cantidades de datos (‘big data’), el aprendizaje automático puede ser de gran ayuda en la toma de decisiones automatizada y el análisis avanzado.
Aplicaciones analíticas simples:
– Pronosticar el rendimiento de la campaña en términos de gasto en medios e impresiones
– Optimización de campañas.
– Estrategias de ofertas automáticas para anuncios
– Determinación del impacto de las creatividades.
– Predicción de la capacidad de respuesta del correo electrónico
Además, todavía hay bastantes desafíos sin resolver en el dominio de la publicidad en línea, muchos de los cuales probablemente se resolverán utilizando enfoques de aprendizaje automático.
– Segmentación de audiencias; las audiencias a menudo consisten en múltiples grupos segmentados, encontrar las segmentaciones podría ayudar a obtener una mejor perspectiva de una audiencia
– Modelado similar; dirigirse a grupos específicos o prospección en dominios puede resultar favorable en las conversiones. Las características clave que conducen a estas conversiones podrían ser mucho más efectivas para apuntar.
– Detectar conductas fraudulentas; una cierta cantidad de presupuesto en publicidad en línea los presupuestos se gastan en clics o conversiones fraudulentos. La detección de comportamientos fraudulentos reduciría los desperdicios de presupuesto.
- ¿Hay alguna evidencia de organismos que evolucionaron para tener un cerebro computacional en serie (como un procesador de computadora), en lugar del cerebro computacional paralelo (red neuronal)?
- ¿Qué es más fascinante, la biología o la informática?
- ¿Qué es el código del cambio?
- ¿Cuántas computadoras diferentes de las grandes empresas tienen el mismo diseño de CPU?
- ¿Cuáles son algunas de las cosas que la mayoría de las personas que usan Linux desconocen?
Todos estos problemas abiertos enfatizan los costos reducidos (por ejemplo, comprar inventario), un mejor retorno de la inversión publicitaria, un mayor alcance y / o encontrar patrones de comportamiento.
Si desea probar algunos de los desafíos de datos, eche un vistazo a las competencias de Kaggle anteriores y actuales relacionadas con el dominio de publicidad en línea. A menudo, las soluciones ganadoras son de código abierto que podrían despertar sus ideas.